畳み込みニューラルネットワークに基づく頭部衝撃動力学測定のノイズ除去の研究と応用 研究背景 軽度外傷性脳損傷（MTBI）は、世界的な健康の脅威である。人間は転倒、交通事故、スポーツなどの状況でMTBIのリスクにさらされることが多い。統計によると、2016年には世界で2700万件以上の脳損傷の事例があり、そのうち80%は「軽度」の脳損傷で、症状は比較的軽いが長期的な病理変化を引き起こす可能性がある。MTBIの病状分類は通常、グラスゴー昏睡尺度（GCS）によって行われ、そのスコアが12以上の患者は軽度脳損傷に分類される。急性期後には症状が迅速に回復することが多いが、長期的には慢性外傷性脳症（CTE）などの合併症が生じる可能性がある。 頭部衝撃が脳に与える影響を定量化するために、研究者は頭部運動学...

跨主体脑机接口：基于卷积神经网络的领域对抗训练实现实时注意力解码 学术背景 注意解読は私たちの日常生活において極めて重要な役割を果たしており、それを脳波（EEG）に基づいて実現することが広く注目されています。しかし、EEG信号の個体間の顕著な差異により、各個人ごとに汎用モデルを訓練するのは実際には困難です。したがって、本論文では、この課題を解決するためのエンドツーエンドのブレイン・コンピュータ・インタフェース（BCI）フレームワークを提案します。特に、時間と空間の1次元畳み込みニューラルネットワーク（1D CNN）およびドメイン・アドバーサリアル・トレーニング（Domain-Adversarial Training）戦略を利用します。 従来の注意解読方法は、通常、線形判別分析（LDA）やサポ...

GMConv:神経ネットワークの畳み込みカーネルの有効受容野の調整を実現 はじめに 畳み込みニューラルネットワーク（Convolutional Neural Networks、以下CNN）は、畳み込みカーネルの使用により画像分類や物体検出などのコンピュータービジョンタスクで顕著な成功を収めてきました。しかし、近年ではビジョントランスフォーマー（Vision Transformers、以下ViT）が注目を浴びており、これらは視覚認識タスクで優れた性能を発揮し、時にはCNNを超えることもあります。それにもかかわらず、CNNの改善に向けた取り組みは止まることなく、多くの研究が新しいCNNアーキテクチャの設計に取り組んでいます。特に大きな畳み込みカーネルを使用するCNNは、最新のViTに匹敵する性能...

背景紹介 拡散テンソル磁気共鳴画像法（Diffusion Tensor Magnetic Resonance Imaging, DTI）は、脳組織の微細構造や白質束の可視化に広く用いられている神経画像技術です。しかし、拡散強調画像（Diffusion-Weighted Images, DWI）に含まれるノイズは、DTIデータから派生する微細構造パラメータの精度を低下させるだけでなく、信号雑音比（Signal-to-Noise Ratio, SNR）を向上させるために長い収集時間を必要とします。畳み込み神経ネットワーク（Convolutional Neural Networks, CNNs）に基づく深層学習法は画像のノイズ除去に優れた性能を発揮しますが、通常はCNNの訓練に追加の高信雑音比デー...

DeepDTI：ディープラーニングを用いた高忠実度六方向拡散テンソルイメージングの実現 研究背景と動機 拡散テンソル磁気共鳴イメージング（Diffusion Tensor Imaging, DTI）は、生体内の脳組織の微細構造と構造的接続性をマッピングする上で比類のない優位性を持っています。しかし、従来のDTI技術は角度サンプリングの要求によりスキャン時間が長くなり、通常の臨床実践や大規模研究での応用に制約があります。このボトルネックを克服するために、研究者たちはDeepDTIという新しいDTI処理フレームワークを開発しました。これはデータ駆動の監督ディープラーニングにより、DTIのデータ要求を最小限に抑えることを目的としています。本研究の目的は、DeepDTIを使用してDTIのサンプリング...